如今，從電子商務和健康護理到金融科技和體育行業(yè)，大數據的應用無處不在。官方的統計數據也反映了這一觀點：到2020年，全球大數據市場規(guī)模預計將超過570億美元。

制造業(yè)面臨競爭挑戰(zhàn)，并追求高生產力，也在加入大數據的應用熱潮。但是，這項技術能否在生產設施中起到重要的作用？為了獲得正確的答案，以下深入研究一下制造業(yè)大數據的主要優(yōu)勢：

1．采用大數據以減少停機時間

電力中斷或停機對于每個工業(yè)部門來說都是一個噩夢。制造商每年需要平均處理800小時的停機時間，這意味著生產力損失將從5％升至20％。

例如，通用電氣（GE）在倫敦舉辦的“Minds and Machines Europe”活動中分享了他們的最佳實踐。通用電氣的前首席執(zhí)行官Jeff Immelt表示，醫(yī)療保健、能源和航空等不同行業(yè)的技術組合將會發(fā)生一些變化。

Immelt表示，通過大數據分析與材料科學相結合，配備傳感器技術的“智能機器”可以實時利用工業(yè)數據的強大功能，并帶來巨大的好處。

因此，通用電氣公司通過預測機器或某個組件何時發(fā)生故障，設法實現了其制造過程的自動化，優(yōu)化了性能，并消除了停機時間。而每年所獲得的450億美元的市場收入是他們成功的證明。

舉個例子，航空業(yè)所實施的遠程監(jiān)控和問題的早期診斷中，燃氣發(fā)動機的一組傳感器每隔30秒將捕獲一次數據。隨后，Hadoop軟件開始發(fā)揮作用。其容錯冗余的Hadoop分布式文件系統（HDFS）將收集到的數據拆分為可管理的塊，并將其分布在數千個節(jié)點中，為基于MapReduce的極速并行計算奠定基礎。

這種大規(guī)模的數據處理有效地處理了大數據的體積、速度和變化三個V值，并幫助通用電氣公司糾正可能的制造缺陷。Immelt表示，通過Hadoop支持的分析，每年至少提升1％的燃氣發(fā)動機性能，并為客戶節(jié)省20億美元的費用。

2．在大數據時代緩解供應鏈風險

供應鏈充滿了不確定性。如果企業(yè)想減少可能的風險，并與零售商和客戶建立良好的關系，則需要再次進行數據分析。在供應鏈中，大數據應用圍繞著可追溯性、采購和倉儲三個主要孤島開展。

例如，物聯網促進數據卓有成效地用于產生有意義的見解，使制造商能夠追蹤貨物和減輕不利的情況。

根據英國特許采購與供應協會的報告，自然災害和極端天氣條件是導致供應鏈中斷的主要原因。為了確保這些情景不會導致業(yè)務中斷，企業(yè)可以分析龍卷風、地震、颶風等天氣狀況，并使用預測分析來計算延誤概率。

此外，通過從外部和在線渠道（例如金融分析師建議和媒體評論）挖掘歷史和實時數據，制造商可以發(fā)現未來趨勢，并在發(fā)生金融危機時獲得應急措施的寶貴時間。大數據的其他應用包括維護最佳庫存水平和改進采購決策。

3．利用大數據提高產品質量

質量控制（QC）是大數據可以展示其價值的另一個領域。換句話說，自2012年以來，跨國巨頭英特爾公司一直在使用預測分析來加速芯片的生產，同時提高產品質量。

通過仔細檢查制造過程中收集的歷史數據，英特爾公司顯著減少了每個芯片應該經歷的測試次數。英特爾數據中心集團總經理Ron Kasabian表示，“我們沒有通過19，000次測試來測試每一塊芯片，而是將測試集中在特定芯片上，以縮短測試時間。隨著我們不斷開發(fā)新芯片，在此期間發(fā)現了很多錯誤，并進行了修復。”

而且，采用大數據技術有助于英特爾公司測試設備。通過捕獲和分析傳感器生成的信息，企業(yè)可以及早發(fā)現生產線故障，并采取預防措施。這種數據驅動的方法已經成為增強質量控制的關鍵推動者和戰(zhàn)略成本的削減者。英特爾公司在2012年節(jié)省了300萬美元的生產成本。